論文の概要: TIAger: Tumor-Infiltrating Lymphocyte Scoring in Breast Cancer for the TiGER Challenge

• arxiv url: http://arxiv.org/abs/2206.11943v1
• Date: Thu, 23 Jun 2022 18:53:24 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-27 14:26:32.918528
• Title: TIAger: Tumor-Infiltrating Lymphocyte Scoring in Breast Cancer for the TiGER Challenge
• Title（参考訳）: TIAger : TiGERチャレンジのための乳癌における腫瘍浸潤リンパ球スコーリング
• Authors: Adam Shephard, Mostafa Jahanifar, Ruoyu Wang, Muhammad Dawood, Simon Graham, Kastytis Sidlauskas, Syed Ali Khurram, Nasir Rajpoot, Shan E Ahmed Raza
• Abstract要約: 乳腺カンサー(TiGER)における腫瘍インフィトラチンGリンパ球は、生存を予測するために、コンピュータ生成TILスコアの予後上の意義を評価することを目的としている。 TIL検出のために腫瘍バルク領域を局在させるアルゴリズムを開発した。 予備試験では腫瘍造影Diceスコア0.791, FROCスコア0.572であった。
• 参考スコア（独自算出の注目度）: 5.336931842559574
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The quantification of tumor-infiltrating lymphocytes (TILs) has been shown to be an independent predictor for prognosis of breast cancer patients. Typically, pathologists give an estimate of the proportion of the stromal region that contains TILs to obtain a TILs score. The Tumor InfiltratinG lymphocytes in breast cancER (TiGER) challenge, aims to assess the prognostic significance of computer-generated TILs scores for predicting survival as part of a Cox proportional hazards model. For this challenge, as the TIAger team, we have developed an algorithm to first segment tumor vs. stroma, before localising the tumor bulk region for TILs detection. Finally, we use these outputs to generate a TILs score for each case. On preliminary testing, our approach achieved a tumor-stroma weighted Dice score of 0.791 and a FROC score of 0.572 for lymphocytic detection. For predicting survival, our model achieved a C-index of 0.719. These results achieved first place across the preliminary testing leaderboards of the TiGER challenge.
• Abstract（参考訳）: 腫瘍浸潤リンパ球(TIL)の定量化は乳癌患者の予後予測因子として独立している。 通常、病理学者はtilsスコアを得るためにtilsを含む間質領域の比率を推定する。 乳がん(tiger)における腫瘍浸潤リンパ球は、cox比例ハザードモデル(英語版)の一部として生存予測のためのコンピュータ生成tilsスコアの予後の意義を評価することを目的としている。 この課題に対して, TIL検出のための腫瘍バルク領域の局在化に先立ち, TIAger チームとして腫瘍を第1セグメントに分割するアルゴリズムを開発した。 最後に、これらの出力を使用して各ケースのtilsスコアを生成します。 予備試験では, 腫瘍間質重み付きdiceスコア0.791, frocスコア0.572のリンパ節検出が可能であった。 生存予測では,C-インデックス0.719。 これらの結果は、TiGERチャレンジの予備テストのリーダーボードで1位を獲得した。

関連論文リスト

• An Automated Pipeline for Tumour-Infiltrating Lymphocyte Scoring in Breast Cancer [10.595165443979857]
  腫瘍浸潤リンパ球(TILs)は3重陰性およびヒト上皮成長因子受容体2(HER2)陽性乳癌の予後マーカーとして有用であると考えられている。 本稿では,乳がん全スライディング画像のTILスコアを予測するために,効率的なUNetアーキテクチャに基づく革新的なディープラーニングパイプラインを提案する。
  論文  参考訳（メタデータ） (2023-11-10T17:06:28Z)
• Towards Tumour Graph Learning for Survival Prediction in Head & Neck Cancer Patients [0.0]
  2020年に世界で100万人近い頭頸部がんが診断された。 自動セグメンテーションと予後推定アプローチは、各患者が最も効果的な治療を受けるのに役立つ。 本稿では、任意の視野(FoV)PETとCT登録スキャンでこれらの機能を実行するためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-04-17T09:32:06Z)
• Cancer-Net BCa-S: Breast Cancer Grade Prediction using Volumetric Deep Radiomic Features from Synthetic Correlated Diffusion Imaging [82.74877848011798]
  乳がんの流行は成長を続けており、2023年には米国で約30万人の女性に影響を及ぼした。 金標準のScarff-Bloom-Richardson(SBR)グレードは、化学療法に対する患者の反応を一貫して示すことが示されている。 本稿では,合成相関拡散(CDI$s$)画像を用いた乳がん鑑定における深層学習の有効性について検討する。
  論文  参考訳（メタデータ） (2023-04-12T15:08:34Z)
• Recurrence-free Survival Prediction under the Guidance of Automatic Gross Tumor Volume Segmentation for Head and Neck Cancers [8.598790229614071]
  自動原発性腫瘍 (GTVp) とリンパ節郭清法 (GTVn) を開発した。 腫瘍の分節体積から放射能の特徴を抽出し,RFS予測モデルを構築した。
  論文  参考訳（メタデータ） (2022-09-22T18:44:57Z)
• WSSS4LUAD: Grand Challenge on Weakly-supervised Tissue Semantic Segmentation for Lung Adenocarcinoma [51.50991881342181]
  この課題には10,091個のパッチレベルのアノテーションと1300万以上のラベル付きピクセルが含まれる。 第一位チームは0.8413mIoUを達成した(腫瘍:0.8389、ストーマ:0.7931、正常:0.8919)。
  論文  参考訳（メタデータ） (2022-04-13T15:27:05Z)
• Automatic Segmentation of Head and Neck Tumor: How Powerful Transformers Are? [0.0]
  我々は,H&N腫瘍を自動デライン化するための視覚変換器を用いた手法を開発した。 我々は、その結果をCNNベースのモデルと比較する。 選択した変換器ベースモデルにより,CNNベースモデルと同等の結果が得られることを示す。
  論文  参考訳（メタデータ） (2022-01-17T07:31:52Z)
• Lung-Originated Tumor Segmentation from Computed Tomography Scan (LOTUS) Benchmark [48.30502612686276]
  肺癌は最も致命的ながんの1つであり、その効果的な診断と治療は腫瘍の正確な悪性度に依存している。 現在最も一般的なアプローチであるHuman-centered segmentationは、サーバ間変動の対象となる。 2018年のVIPカップは、42か国から競争データにアクセスするための世界的な参加から始まった。 簡単に言えば、競争中に提案されたアルゴリズムはすべて、偽陽性還元手法と組み合わせたディープラーニングモデルに基づいている。
  論文  参考訳（メタデータ） (2022-01-03T03:06:38Z)
• A digital score of tumour-associated stroma infiltrating lymphocytes predicts survival in head and neck squamous cell carcinoma [1.116655705522709]
  線条体と腫瘍におけるTリンパ球の浸潤は、腫瘍に対する効果的な免疫反応を示し、生存率を向上させる。 深層学習に基づく自動化法は, 腫瘍, ストロマ, リンパ球の分画に用いられた。 リンパ球と腫瘍関連組織腫の空間パターンをデジタルで定量化し,TASILスコアを算出した。
  論文  参考訳（メタデータ） (2021-04-16T19:45:00Z)
• Predicting COVID-19 Pneumonia Severity on Chest X-ray with Deep Learning [57.00601760750389]
  前頭部胸部X線画像の重症度予測モデルを提案する。 このようなツールは、エスカレーションやケアの非エスカレーションに使用できる新型コロナウイルスの肺感染症の重症度を測定することができる。
  論文  参考訳（メタデータ） (2020-05-24T23:13:16Z)
• Segmentation for Classification of Screening Pancreatic Neuroendocrine Tumors [72.65802386845002]
  本研究は,腹部CTで膵神経内分泌腫瘍(PNET)を早期に検出するための包括的結果を提示する。 我々の知る限りでは、このタスクは以前まで計算タスクとして研究されていなかった。 我々の手法は最先端のセグメンテーションネットワークより優れ、感度は89.47%、特異性は81.08%である。
  論文  参考訳（メタデータ） (2020-04-04T21:21:44Z)
• Automated Quantification of CT Patterns Associated with COVID-19 from Chest CT [48.785596536318884]
  提案法は,非造影胸部CTを入力として,病変,肺,葉を3次元に分割する。 この方法では、肺の重症度と葉の関与度を2つの組み合わせて測定し、COVID-19の異常度と高不透明度の存在度を定量化する。 このアルゴリズムの評価は、カナダ、ヨーロッパ、米国からの200人の参加者(感染者100人、健康管理100人)のCTで報告されている。
  論文  参考訳（メタデータ） (2020-04-02T21:49:14Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。